- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于快速红外热图像处理技术的茶叶病害检测
摘要： 本研究的总体目标是开发一种高效、简便且适配的计算机视觉算法，利用红外热成像技术检测茶树病害区域并评估病害程度。研究发现，茶树病害区域的面积与其红外图像灰度分布存在一定规律性?；诟霉媛桑颐翘崛×礁鎏卣鞑问菇ǚ掷嗥饕允迪挚焖俨璨〖觳?，使检测准确率略有提升。实验在中国江苏茶叶博览园日间采集茶树图像，并对57株茶树的116幅图像进行病害检测算法测试。该算法流程包括：冠层红外热图像分类、RGB图像转HSV色彩空间、阈值分割、颜色识别、噪声滤除、二值化处理、闭运算及病斑计数。经验证，该算法与人工观测计数的相关系数达0.97，较未使用分类器的传统算法提高2%。
关键词： 颜色检测、茶叶病害、红外热图像、快速分类、图像处理
更新于2025-09-23 15:23:52
-
利用高光谱显微镜成像技术结合卷积神经网络对食源性细菌进行分类
摘要： 食源性病原体已成为食品行业持续存在的威胁，而对其早期阶段的快速检测与分类仍具挑战性。为解决早期快速检测问题，本研究提出结合高光谱显微成像（HMI）技术与卷积神经网络（CNN）对食源性细菌进行细胞级分类。该技术能同步获取不同活菌细胞的空间与光谱信息，同时采用U-Net和一维卷积神经网络（1D-CNN）两种框架加速数据分析流程：U-Net用于自动化细胞感兴趣区域（ROI）分割，在更短时间内生成比传统Otsu或分水岭算法更精准的细胞ROI掩膜；1D-CNN则用于对提取的细胞ROI光谱特征进行分类，其准确率（90%）显著高于k近邻算法（81%）和支持向量机（81%）。总体而言，这种CNN辅助的高光谱显微成像技术展现出食源性细菌检测的应用潜力。
关键词： 卷积神经网络、机器学习、高光谱显微镜、食品安全、食源性病原体、快速分类
更新于2025-09-23 15:19:57